【深度学习】初次接触

前言

       很早就听说过人工智能，模式识别这些概念，但是一直觉得深不可测，读研后，最开始导师只交代了下课题方向做树叶的识别。

       当时觉得自己有android的功底，编程上应该没有什么问题。开始也不是很清楚工程和研究的区别。工程上用好SSH，再了解点原理，可能就不错了。可是随着慢慢了解图像识别才发现和之前做的事情有一些不同。

       之前做android时，发现不同语言之间（这样形容不是太合适）很多模块功能都一样。比如anroid里的fragment和html里的iframe，换汤不换药。

过程

       但是做课题方向时不一样了。开始真的一点都不懂，准备着手看时，了解了一些概念。第一个概念是特征提取。。

       后来知道了什么颜色特征，纹理特征，SIFT特征，不动点特征，知道了什么是鲁棒性，旋转不变性，位移不变，什么是高斯模糊，卷积。。

       那会想，不就是提取很多特征，然后算欧氏距离判断分类...直到后来接触传说中机器学习十大算法。才知道分类也不是这么easy的想法。

       后来又接触了一个概念PCA（主成份分析），决定补一下矩阵课本...

       浏览了五六本数字图像处理的书，发现内容也都差不多，学了个新的概念叫小波变换...LZ就是走到哪学到哪，感觉哪都不懂啊。

       还看了一阵OpenCV来进行特征提取。

       看了八集积极斯坦福大学安德鲁.NG的公开课就看不太懂，发现自己是个数学渣（其实也不能全怪我=。=，上大学老师也从没讲过数学这东西能干啥。老师：“怪我咯？”）

       到这又有新概念了——机器学习，深度学习，卷积神经网络，深度信念网络...开始还是很搞不清是什么意思，后来缕清了，深度信念网络和卷积神经网络是深度学习的算法，深度学习是机器学习的一种。好像画张图比较能说明。。

       然后最近一直在看卷积神经网络的论文，这东西搞图像识别可以。好多概念还是不懂，边做变学吧。

现状

       使用卷积神经网络框架Caffe做实验。又开始倒腾这个东西，笔记本显卡是GT540（2010年买的老古董了，只不过换了一块SSD重获新生），现在的CUDA都不支持了，熬到大年初六就赶紧回学校实验室配置Caffe，在windows上弄的，今天跑了跑能跑起来。又买了块SSD装一个linux，将来就在这上面做实验了。。

接下来先要弄明白Caffe的目录结构，工作原理。把example里的mnist搞明白。

 

愿景

       已经走了很多弯路了，如果您有好的指导，教我教我教我……